如何在熊猫框架中定义最近 X 天的操作？

Question

假设我有一个带有服装连锁店销售数据的 pandas DataFrame：

model     day          shop   amount sold    price
polo      01-01-2006   B7     3              42.45
polo      01-01-2006   C8     4              41.45
polo      02-01-2006   C8     4              41.43
polo      03-01-2006   B8     1              41.45
sweater   01-01-2006   B7     2              71.57
sweater   02-01-2006   B7     2              71.56

我想计算过去 60 天内所有商店中每种型号的总收入。因此，对于上面的示例表，答案应该是 polo 包含时间序列的内容：

01-01-2006: 0
02-01-2006: 3*42.45 + 4*41.45
03-01-2006: 3*42.45 + 4*41.45 + 4*41.43

对于sweater 包含数据

01-01-2006: 0
02-01-2006: 2*71.57

该表很大（超过 10^8 行），因此首选计算效率高的答案。我可以灵活判断是过去 60 个日历日还是过去 60 天有任何可用数据，以最容易实施的为准。

我想我需要先按型号开始分组，然后按天分组，但不清楚如何在一定天数内创建滚动窗口，无论有多少商店有当天的数据行。或者，我考虑添加列start_date 和end_date 以获得所需的时间间隔，但是不清楚如何告诉group_by 查询它应该总结这两者之间的所有日期。所以欢迎任何帮助

Answer 1

试试这个：

# First, make sure that the `day` column is of type Timestamp, not string:
df['day'] = pd.to_datetime(df['day'])

# Add a revenue column
df['revenue'] = df['amount_sold'] * df['price']

# Sum revenue by model and day
# There is some index manipulation to prepare for the next command
tmp = df.groupby(['model', 'day'])['revenue'].sum().reset_index(level=0)

# For each model, calculate the previous 60 day revenue, excluding the ending day
# (hence closed on left but not right)
result = tmp.groupby('model').apply(lambda g: g.rolling('61D', closed='left').sum()).fillna(0)

结果：

                    revenue
model   day                
polo    2006-01-01     0.00
        2006-02-01   293.15
        2006-03-01   458.87
sweater 2006-01-01     0.00
        2006-02-01   143.14